論文の概要: Judge Me in Context: A Telematics-Based Driving Risk Prediction
Framework in Presence of Weak Risk Labels
- arxiv url: http://arxiv.org/abs/2305.03740v1
- Date: Fri, 5 May 2023 02:21:08 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-09 19:40:18.057572
- Title: Judge Me in Context: A Telematics-Based Driving Risk Prediction
Framework in Presence of Weak Risk Labels
- Title(参考訳): 文脈における判断:弱危険ラベルの存在下でのテレマティクスに基づく運転リスク予測フレームワーク
- Authors: Sobhan Moosavi and Rajiv Ramnath
- Abstract要約: テレマティクスデータを使用して、現実世界のアプリケーションでリスク予測フレームワークを構築します。
私たちは、弱いリスクラベルを増やすために、新しいデータ駆動プロセスを採用しています。
米国の主要都市における実世界のデータをもとに,提案手法の有効性を実証した。
- 参考スコア(独自算出の注目度): 1.52292571922932
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Driving risk prediction has been a topic of much research over the past few
decades to minimize driving risk and increase safety. The use of demographic
information in risk prediction is a traditional solution with applications in
insurance planning, however, it is difficult to capture true driving behavior
via such coarse-grained factors. Therefor, the use of telematics data has
gained a widespread popularity over the past decade. While most of the existing
studies leverage demographic information in addition to telematics data, our
objective is to maximize the use of telematics as well as contextual
information (e.g., road-type) to build a risk prediction framework with
real-world applications. We contextualize telematics data in a variety of
forms, and then use it to develop a risk classifier, assuming that there are
some weak risk labels available (e.g., past traffic citation records). Before
building a risk classifier though, we employ a novel data-driven process to
augment weak risk labels. Extensive analysis and results based on real-world
data from multiple major cities in the United States demonstrate usefulness of
the proposed framework.
- Abstract(参考訳): 運転リスクの予測は、運転リスクを最小化し、安全性を高めるために過去数十年にわたって多くの研究の対象となっている。
リスク予測における人口統計情報の利用は、保険計画に応用する従来の解決策であるが、そのような粗い要因によって真の運転行動を把握することは困難である。
それゆえ、テレマティクスデータの利用は過去10年間で広く普及している。
既存の研究の多くは、テレマティクスデータに加えて人口統計情報を利用するが、我々の目標は、テレマティクスと文脈情報(例えば道路型)を最大限に活用して、現実世界のアプリケーションを用いたリスク予測フレームワークを構築することである。
私たちは、テレマティクスデータをさまざまな形式でコンテキスト化し、それを使用してリスク分類器を開発し、利用可能な弱いリスクラベル(例えば過去のトラフィック引用レコード)があると仮定します。
しかし、リスク分類器を構築する前に、弱いリスクラベルを増やすために、新しいデータ駆動プロセスを採用する。
米国の主要都市における実世界データに基づく大規模分析と結果から,提案手法の有用性が示された。
関連論文リスト
- RiskBench: A Scenario-based Benchmark for Risk Identification [4.263035319815899]
この研究は、リスク識別、ダイナミックなトラフィック参加者と予期せぬイベントから生じるリスクを特定し分析するプロセスに焦点を当てている。
リスク識別のための大規模シナリオベースベンチマークである textbfRiskBench を紹介する。
我々は,(1)リスクの検出と発見,(2)リスクの予測,(3)意思決定の促進を行う10のアルゴリズムの能力を評価する。
論文 参考訳(メタデータ) (2023-12-04T06:21:22Z) - A Counterfactual Safety Margin Perspective on the Scoring of Autonomous
Vehicles' Riskiness [52.27309191283943]
本稿では,異なるAVの行動のリスクを評価するためのデータ駆動型フレームワークを提案する。
本稿では,衝突を引き起こす可能性のある名目行動から最小限の偏差を示す,対実的安全マージンの概念を提案する。
論文 参考訳(メタデータ) (2023-08-02T09:48:08Z) - Unsupervised Self-Driving Attention Prediction via Uncertainty Mining
and Knowledge Embedding [51.8579160500354]
本研究では、不確実性モデリングと知識統合の駆動による自動運転の注意を予測できる教師なし手法を提案する。
結果は、完全に教師された最先端のアプローチと比較して、同等またはさらに印象的なパフォーマンスを示している。
論文 参考訳(メタデータ) (2023-03-17T00:28:33Z) - Foveate, Attribute, and Rationalize: Towards Physically Safe and
Trustworthy AI [76.28956947107372]
包括的不安全テキストは、日常的なシナリオから生じる可能性のある特定の関心領域であり、有害なテキストを検出するのが困難である。
安全の文脈において、信頼に値する合理的な生成のために外部知識を活用する新しいフレームワークであるFARMを提案する。
実験の結果,FARMはSafeTextデータセットの最先端結果を得ることができ,安全性の分類精度が5.9%向上したことがわかった。
論文 参考訳(メタデータ) (2022-12-19T17:51:47Z) - Mathematical Models of Human Drivers Using Artificial Risk Fields [8.074019565026544]
我々は、人間の運転者が今後の道路状況に応じてどのように車両を制御するかを予測するために、人工リスクフィールドの概念を用いる。
リスクフィールドは、最大20秒の予測地平線において、高い予測精度で将来の軌道を予測するのに優れている。
論文 参考訳(メタデータ) (2022-05-24T15:39:01Z) - Risk Measurement, Risk Entropy, and Autonomous Driving Risk Modeling [0.0]
本稿では、自律運転シナリオにおける新たな技術的困難、新しいアイデア、リスクモデリング手法について考察する。
コンピュータシミュレーション環境下でのリスクアセスメントと自動車保険の価格を実現するための技術的実現可能性を提供する。
論文 参考訳(メタデータ) (2021-09-15T11:00:18Z) - Driver-centric Risk Object Identification [25.85690304998681]
運転者中心のリスク定義,すなわち危険物が運転者行動に影響を与えることを提案する。
本稿では,本課題を原因影響問題として定式化し,新たな2段階リスクオブジェクト識別フレームワークを提案する。
運転者中心型リスクオブジェクト識別データセットを算出し,提案システムの評価を行う。
論文 参考訳(メタデータ) (2021-06-24T17:27:32Z) - A model for traffic incident prediction using emergency braking data [77.34726150561087]
道路交通事故予測におけるデータ不足の根本的な課題を、事故の代わりに緊急ブレーキイベントをトレーニングすることで解決します。
メルセデス・ベンツ車両の緊急ブレーキデータに基づくドイツにおける交通事故予測モデルを実装したプロトタイプを提案する。
論文 参考訳(メタデータ) (2021-02-12T18:17:12Z) - Epidemic mitigation by statistical inference from contact tracing data [61.04165571425021]
我々は,個人が感染するリスクを推定するためにベイズ推定法を開発した。
本稿では,感染防止のための検査・隔離戦略を最適化するために,確率論的リスク推定手法を提案する。
我々のアプローチは、最近接触した個人間の通信のみを必要とする、完全に分散されたアルゴリズムに変換されます。
論文 参考訳(メタデータ) (2020-09-20T12:24:45Z) - COVI White Paper [67.04578448931741]
接触追跡は、新型コロナウイルスのパンデミックの進行を変える上で不可欠なツールだ。
カナダで開発されたCovid-19の公衆ピアツーピア接触追跡とリスク認識モバイルアプリケーションであるCOVIの理論的、設計、倫理的考察、プライバシ戦略について概説する。
論文 参考訳(メタデータ) (2020-05-18T07:40:49Z) - Who Make Drivers Stop? Towards Driver-centric Risk Assessment: Risk
Object Identification via Causal Inference [19.71459945458985]
運転者中心のリスク定義,すなわち運転者の行動に影響を与えるオブジェクトは危険である。
提案するオブジェクトレベルの操作可能な駆動モデルを用いた因果推論に基づく新しい2段階リスクオブジェクト識別フレームワークを提案する。
当社のフレームワークは,強力なベースラインに対するパフォーマンスを7.5%向上させています。
論文 参考訳(メタデータ) (2020-03-05T04:14:35Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。